中國AI的演進邏輯，藏在百度的“非共識”里

新眸原創·作者 | 鹿堯

在AI這個以指數速度迭代的行業里，規則常常由少數“非共識”的聲音改寫。尤其技術浪潮的早期，共識往往是保守甚至錯誤的——它代表著對既有路徑的依賴，對顛覆性風險的回避。

回看2018年前后，全球頂尖學術圈曾彌漫著一種篤定的悲觀：“大模型必死?！北藭r，Transformer剛嶄露頭角，參數規模每擴大一倍，算力成本便呈指數級攀升，而性能提升的邊際效應卻在銳減。

學術界的主流判斷是，這條暴力美學的道路走不遠，模型越大越容易過擬合，泛化能力會下降。直到OpenAI發布GPT-3時提出"scalinglaws"，認為模型能力與參數規模、計算量、數據量呈冪律關系，自此，大模型每一次規模擴張都帶來了能力的質的飛躍。

歷史總是驚人地相似。僅僅三年后的2026年，全球AI行業再次上演了同樣的劇情。

經歷了前兩年的開源狂熱后，曾經高舉開源大旗的Meta、阿里、智譜等頭部廠商集體轉向閉源。Meta推出首個閉源旗艦模型MuseSpark，阿里通義千問旗艦系列全面閉源，智譜發布GLM-5-Turbo閉源模型。這場突如其來的轉向，讓"開源必勝"的共識瞬間坍塌。

但如果把時間撥回到2024年，你會發現，當時堅持認為“閉源大模型最能打”的百度，還一度被行業視為“另類”。

而這樣從“非共識”到“共識”的轉變，在AI行業過去十幾年的發展里，已經發生了不止一次。從底層技術布局到商業化路線選擇，從應用形態預判到產業價值判斷，那些最終改變行業走向的判斷，在誕生之初往往都站在主流共識的對立面。

當潮水退去，行業最終會回到技術的本質與商業的常識，那些曾經的“非共識”，也在時間的驗證中，成為全行業的通行準則。

01

從開源狂熱到閉源回歸

技術與商業本質的遲到共識

AI行業對開源與閉源路線的認知反轉，是過去兩年最具代表性的“非共識”變“共識”的樣本。

其實早在2024年，就有人把底層邏輯講得明明白白。那一年的世界人工智能大會上，百度創始人李彥宏在主論壇的演講里說，“處在激烈競爭的環境中，需要讓業務效率比同行更高、成本比同行更低，商業化的閉源模型才是最能打的?！?/p>

更早的內部講話里，他還提過，閉源是有真正的商業模式的，能賺到錢，才能聚集算力、聚集人才，閉源模型的能力會持續領先，而不是一時領先。

這些話放在當時的行業氛圍里，似乎顯得并不合時宜。

2023到2024年，正是開源浪潮最洶涌的時候，Llama2的開源讓整個行業陷入狂熱，國內百模大戰紛紛跟進，開發者社區也把開源當成了衡量一家廠商技術實力的核心標準。彼時行業的主流聲音是，開源將復刻Linux和安卓的成功，通過生態壟斷擊敗閉源對手，“開源必勝”幾乎成了不容置疑的政治正確。

這與當時行業的主流聲音形成了鮮明的反差。

但時間總會把最樸素的商業邏輯，攤開在所有人面前。隨著AI行業技術探索期，一步步邁入商業化變現，所有廠商都不得不面對一個現實：大模型研發需要持續投入巨額的算力和人才成本，開源能帶來生態和流量，卻很難構建起可持續的盈利模式。

旗艦模型的全面開源，不僅很難把技術優勢轉化為市場壁壘，還會把自身的核心技術暴露在競爭對手面前，就連推理成本的優化空間，也遠不如閉源模型來得靈活。

Meta的轉身就是最鮮活的例子。靠著開源策略，Llama系列快速占領了全球大模型生態的半壁江山，但在營收和利潤上，被一直堅持閉源的OpenAI、谷歌甩遠。

國內廠商的轉向，同樣繞不開商業化的現實壓力，百模大戰后，行業進入到真金白銀的利潤比拼階段，閉源帶來的技術保護、成本優化和商業化靈活性，恰恰是ToB場景里最核心的競爭力。

阿里千問的轉向，就是這種壓力最直觀的注腳。

2026年3月，阿里千問核心人物、開源布道者林俊旸深夜發文告別，隨后多位骨干相繼離職。外界以為是內斗，但真相更加現實——阿里的考核指標變了。從“模型能力”到“用戶規?！?，這個轉變看似只是指標替換，實則是一次根本性的路線糾偏。

林俊旸出走后不到一個月，阿里千問旗艦系列全面轉向閉源。Qwen3.6-Plus、Qwen3-Max、Qwen3.5-Plus等旗艦模型不再開放權重，僅通過API提供服務。開源千問的故事，畫上了句號。

這并不是說開源就此失去了價值。在學術研究、人才培養、中小開發者生態建設這些領域，開源模型依然有著不可替代的作用。但在競爭最激烈的旗艦模型賽道，閉源化已經成了不可逆的趨勢。那些兩年前的“非共識”，就這樣成了今天全行業的集體選擇。

回過頭看，這場從開源到閉源的集體轉向并非偶然，而是AI產業從“技術單點突破”走向“技術與商業雙輪驅動”的必經之路。技術與商業形成閉環，產業才真正走向成熟。而百度和李彥宏的“非共識”，恰恰在于比行業更早看清了這一循環的方向。

02

從ChatBot到Agent：

AI價值標尺的徹底轉向

如果說閉源路線的回歸，是行業對商業化本質的重新認知，那智能體的爆發，則是整個行業對AI價值判斷的徹底轉向。

2026年開年，一只紅色的龍蝦OpenClaw火遍了全球。和此前爆火的ChatBot不同，OpenClaw能直接操控電腦，完成文檔處理、數據整理、流程審批甚至代碼編寫，被不少人稱作“真正的數字員工”。OpenClaw的走紅，把整個行業的目光，從ChatBot拉到了Agent智能體身上。

一夜之間，幾乎所有AI廠商都把智能體當成了核心戰略。OpenAI在GPT-4o的更新里，重點強化了Computer Use能力，讓模型能直接操作電腦完成復雜任務；谷歌把Gemini的升級重點，放在了多智能體協同上；國內的辦公軟件、企業服務廠商，也紛紛把智能體當成了產品升級的核心方向。

但事實上，這個今年被全行業追捧的方向，早在2024年的百度世界大會上，就已經被明確點出。當時李彥宏說，“智能體是AI應用的最主流形態，即將迎來它的爆發點”。

他把智能體比作PC時代的網站、移動時代的自媒體賬號，認為它會成為AI原生時代，內容、服務和信息的新載體。次年3月，他在《人民日報》發表署名文章時進一步提到，2025年可能會成為AI智能體爆發的元年。

放在當時的行業環境里，這個判斷并沒有引起太多重視。

因為2024年的AI行業，ChatBot是萬能藥，玩家卷對話輪次、卷上下文窗口長度，行業的普遍認知是，流量為王已經被token為王取代，誰的token消耗量更大，誰就在行業里更有話語權。

很少有人去思考，token消耗本身到底能帶來多少價值。同樣的token用量，用戶用來寫搞笑文案、閑聊吐槽，和企業客服用來解決客戶問題、工廠用來優化生產流程，創造的價值有著天壤之別。

而對于智能體應用，李彥宏在去年就有過相應的斷言。去年10月，他在一場內部講話中指出，“Computer Use”與“端到端優化”都與AI時代的護城河有關。與ChatBot不同，Computer Use從“能給你出主意”升級成了“能給你訂機票”，這是從思想到行動的轉變。

在11月百度世界大會上，李彥宏再次提出了關于應用價值的行業身位：健康的AI產業里，模型能產生10倍于芯片的價值，而AI應用能創造100倍于模型的價值。

當時，很少有人能真正理解李彥宏對AI應用價值的判斷。而現在，行業終于開始重新理解這句話的分量。

當OpenClaw讓全球看到了智能體的生產力價值，當越來越多的企業發現，ChatBot只能當“聊天玩具”，而智能體才能成為真正的生產工具，整個行業的評價體系，終于從“看消耗”轉向了“看價值”。

AI競爭的焦點，轉向更深層的商業價值創造。曾經被行業忽略的智能體，就這樣成了AI應用的絕對主流。

而此時的百度也提前完成了全面的布局。從搜索場景的文心助手、百看，到任務執行類的小度蝦、DuClaw、DuMate、GenClaw、RedClaw、百度健康有醫助理，再到代碼類智能體秒噠、演化智能體伐謀、數字人智能體，百度的智能體矩陣已覆蓋搜索、辦公、醫療、開發、數字人等多個產業，并在實際應用場景中持續創造價值。

03

穿越技術周期：

非共識背后的長期主義復利

大模型閉源路線的回歸，智能體的爆發，本質上都是行業在短期風口過后，對技術本質與商業常識的回歸。

類似的案例還有太多。把時間線拉得更長，我們會發現，那些今天被全行業奉為圭臬的AI產業準則，很多都來自于十幾年前，那些不被理解的選擇。

2016到2017年，移動互聯網流量紅利的頂峰，短視頻爆發，電商、O2O成了全行業的必爭之地，賺快錢、搶流量，是那個時代行業的主流邏輯。

而AI在當時在實驗室里，離商業變現遙遙無期。行業里的普遍認知是，投入AI就是燒錢。偏偏這個時候，百度在李彥宏的帶領下全面提速AI布局。很少有人記得，早在2013年，百度就成立了國內首個深度學習研究院，成為中國第一家把深度學習提到核心技術創新地位的互聯網企業。

從2017年宣布All in AI開始，百度每年都會把營收的15%以上投入AI研發，連續多年的研發投入強度，遠超國內同行。這場堅守的結果，在2022年底所有科技巨頭全面All in AI的那一刻，徹底顯現出來。

而提前10年布局、7年All in的百度，已經完成了“芯-云-模-體”的AI全棧布局，成為國內唯一擁有完整AI技術閉環的企業。2025年Q4的財報數據顯示，百度AI業務收入同比增長超過50%，AI收入占核心營收的比重已經接近40%，AI真正成了百度增長的核心引擎。

對周期的深刻理解，不僅體現在戰略方向的選擇上，更體現在對底層技術的堅守上。在AI行業的發展歷程里，有太多曾經被當成“重復造輪子”的無用功，最終成了行業自主可控的核心根基，飛槳深度學習框架是另一個典型例子。

2016年，谷歌的TensorFlow和Meta的PyTorch壟斷了全球深度學習框架市場，國內AI開發者，大多使用海外的開源框架。行業普遍共識是，國內做深度學習框架，就是重復造輪子，既沒有技術優勢，也不可能搭建起自己的生態，完全是浪費錢。

但李彥宏則表示，“中國人工智能在論文和專利數量上領先，但深度學習框架領域存在差距”，同年，百度正式開源飛槳，這是中國首個自主研發、開源開放的產業級深度學習平臺，他把它定位成“AI時代的操作系統”，是百度AI戰略最核心的底層基座。

科技博弈的持續升級，最終驗證了這個判斷的前瞻性。海外AI框架出口限制、開源協議持續收緊，國內AI意識到，自主可控的深度學習框架是必選項。一夜之間，國內所有科技巨頭都下場自研AI框架。而此時的飛槳，已經成長為國內市場份額第一的深度學習平臺。

時間來到三年前，百度率先發布了國內首個生成式大模型文心一言，比國內其他大廠的同類型產品，早了3到6個月。而就在全行業陷入百模大戰，瘋狂卷參數規模的時候，李彥宏明確提出，“卷大模型沒有意義，卷應用機會更大”。

這句話在當時，同樣被很多人當成了百度跟不上參數競賽的托詞。但到了2025年，當行業從瘋狂的參數競賽里冷靜下來，終于意識到，大模型的核心價值，是落地應用?！皯抿寗印?，徹底成了行業的共識。

那些非共識，到底是怎么一步步變成行業共識的？

答案或許并不復雜。

從開源到閉源，從ChatBot到Agent，從拼參數到拼應用——每一次行業共識的形成，都不是因為某一家企業的說服力，而是因為商業規律和技術本質在時間中自然顯現。

在AI這個以指數速度迭代的行業里，所有人都在追求快，追求風口，追求當下的共識。但真正能穿越周期的，往往是那些愿意慢下來，做難而正確的事，堅持自己對商業和技術本質判斷的人。

百度過去十幾年的軌跡，恰好印證了這一點。當行業追逐風口時，他們在做基建；當行業聚焦短期變現時，他們在投研發；當行業形成共識時，那些曾經不被理解的判斷，正在被一一驗證。

雖然外界對百度依然不可避免地有這樣或那樣的評價，但技術的發展本身是質樸和理性的，被驗證的歷史軌跡也是客觀存在的，百度在技術浪潮中的行業指引和價值，相信必然會得到后驗者們的認同。

AI的浪潮還遠沒有結束，未來還會有無數新的共識出現，也會有無數新的非共識被提出來，但在技術的長河里，共識往往滯后于創新，而非共識，才是下一個周期的起點。